r - pROC 包中的 roc() 函数：控件和案例及其上下文的使用

Question

有人可以解释R 中 pROC 包中的函数controls和cases参数的含义roc()，以及如何使用它们吗？如何检查数据集中可用的控件和案例的数量？

Answer 1

来自help(roc)：

控制、案例 而不是响应、预测变量，数据可以作为两个数字或有序向量提供，其中包含控制和案例观察的预测变量值。

通常在分类设置中使用 roc 曲线，其中您有两个标记类向量（factor()在 R 中），一个是您的预测标签，另一个是事实，每个 obs 都被标记。

其他时候，您可以有一个控制组（如在医学场景中），您可以为函数提供控制（数字向量）或案例（因子向量）。

对照组基本上是不接受治疗的人群。

再次从help功能：

数据可以作为响应，预测器提供，其中预测器是评估信号的数字（或有序）水平，响应编码观察类（控制或案例）。level 参数指定必须将哪个响应级别作为控制（级别的第一个值）或案例（第二个）。当响应编码为 0 和 1 时可以安全地忽略它，但否则它会经常失败。默认情况下，取levels(as.factor(response))的前两个值，忽略其余的levels。这意味着，如果您的响应被编码为“控制”和“案例”，则级别将被反转。

在某些情况下，将数据作为控件传递更方便，情况下，但如果响应，预测器被指定为非空值，则两个参数都将被忽略。也可以使用 density.controls、density.cases 传递密度数据，即使 smooth=FALSE 也会产生平滑的 ROC 曲线，但如果提供了响应、预测变量或控件，则将被忽略。

data(aSAH)
# With numeric controls/cases
roc(controls=aSAH$s100b[aSAH$outcome=="Good"], cases=aSAH$s100b[aSAH$outcome=="Poor"])
# With ordered controls/cases
roc(controls=aSAH$wfns[aSAH$outcome=="Good"], cases=aSAH$wfns[aSAH$outcome=="Poor"])

roc() 文档

Answer 2

在二元分类中，您总是有两个组。其中一组将对应于您要检测的事物的观察结果。根据您的研究领域，它可以称为多种方式，但常用术语包括hit、positive或case。

相比之下，没有您想要检测的观察结果被标记为否定、错过或控制。

因此，在 pROC 中，这称为control和case，但您可以分别将其视为negative和positive。

您无需检查可用的控件和案例的数量。printpROC 会为您进行此项检查，并在您进行曲线时报告实际使用的数字。

Answer 3

是关于特定案例还是关于 ROC 曲线的一般功能？如果您在 ROC 曲线项目中卡在 R 中，请写下代码。当你举一个例子时，更容易解释这一点。